Unter Verwendung der guten Fähigkeit des genetischen Algorithmus (GA) zur Suche nach dem Optimum für die dynamische Rekurrierung der Dampfturbine (Elman) und der vorherigen Optimierung des neuronalen Netzes wird ein Vorhersagemodell des GA-Elman neuronalen Netzes erstellt und eine Online-Berechnung der Dampfturbine an einem Beispiel für ein 350-MW-Kraftwerk durchgeführt. Die Ergebnisse zeigen, dass das Vorhersagemodell des GA-Elman neuronalen Netzes die Nachteile des traditionellen Elman-Netzwerks, das mit der Gradientenabstiegs-Methode trainiert wird, wie die Tendenz, schnell in lokale Minima zu fallen, die langsame Konvergenzgeschwindigkeit, die niedrige Genauigkeit, überwindet und Genauigkeit und Konvergenzgeschwindigkeit verbessert, besser für die Feldanwendung geeignet.

Dampfturbine; Dampf; Online-Berechnung; Vorhersagegenauigkeit; Elman; GA